Làm sạch dữ liệu Excel bằng AI: 2 prompt, 4 công cụ

Nên dùng công cụ AI nào để làm sạch bảng tính?

Copilot Clean Data chỉ sửa ba loại vấn đề, và ngày tháng lẫn lộn hay dòng trùng lặp không nằm trong số đó, nên vấn đề trong bảng thu hẹp lựa chọn nhiều không kém kích thước của nó. Bốn công cụ làm sẵn và hai cách dùng chat, tổng hợp từ các trang trợ giúp của chính nhà cung cấp theo kiểm tra ngày 26 September 2026, với các công cụ làm sạch AI chuyên dụng ở sau bảng:

Microsoft nói Clean Data "hoạt động tốt nhất với dữ liệu dạng bảng tối đa 100 cột và 50,000 dòng" (Clean Data trong Excel), và cùng trang đó liệt kê đúng ba loại gợi ý trong bảng. Việc tách tên dạng "Last, First" cũng không có, nên bảng có những vấn đề này vẫn cần một prompt hoặc một script. Gợi ý dọn dẹp của Google nằm dưới Dữ liệu, rồi Dọn dẹp dữ liệu, và đánh dấu vấn đề bằng màu đỏ. Gemini trong Sheets có thêm chỉnh sửa nhiều bước trong bản cập nhật ngày 16 October 2025 của Google, nên một prompt có thể vừa xóa các dòng không hoạt động vừa định dạng lại một cột.

ChatGPT là công cụ duy nhất trong bốn công cụ viết mã và chạy nó trên tệp của bạn: trang trợ giúp phân tích dữ liệu của OpenAI nói nó chạy Python trong môi trường notebook Jupyter, và phần hỏi đáp về tải tệp giới hạn một bảng tính ở khoảng 50 MB (con số 400,000 dòng ở trên là 50 MB chia cho 120 ký tự mỗi dòng, phép tính của chúng tôi).

Công cụ làm sạch AI chuyên dụng là cách thứ ba. Numerous, Powerdrill, Grist và Bricks đều làm sạch ngay trong sheet hoặc bản tải lên của riêng họ, nên không có giới hạn phản hồi của chat cắt ngắn bảng, nhưng không trang nào của họ mô tả nhật ký thay đổi từng dòng. Những gì các trang của chính họ nói, kiểm tra ngày 26 September 2026:

Hai cách dùng chat bên dưới là những cách bạn tự đặt mọi quy tắc và nhận lại nhật ký thay đổi từng dòng, vì vậy phần còn lại của trang này nói về chúng.

Prompt nào làm sạch bảng tính và ghi lại mọi thay đổi?

Prompt làm sạch bảng tính an toàn yêu cầu hai đầu ra: bảng đã làm sạch, và một dòng nhật ký cho mỗi ô đã thay đổi. Hãy dán bảng dưới dạng CSV hoặc đính kèm; mô hình đọc giá trị ô như văn bản, nên một cột công thức đến với giá trị tính lần cuối (cách xử lý từng loại tệp). Sau đó gửi đoạn này, chỉnh theo các cột của bạn:

Ví dụ prompt, tạm dịch:

```

Đây là một bảng được dán dưới dạng CSV. Hãy làm sạch và trả về hai thứ.

1. Bảng đã làm sạch dưới dạng CSV: cùng các cột, cùng thứ tự, cùng số dòng trừ khi một dòng trùng hoàn toàn với dòng trước đó.
2. Nhật ký thay đổi: mỗi thay đổi một dòng, theo dạng "dòng 14, Email: cắt khoảng trắng ở cuối". Nếu bạn thực hiện cùng một thay đổi cho nhiều dòng, hãy liệt kê các dòng, đừng tóm tắt.

Quy tắc. Ngày chuyển thành YYYY-MM-DD; nơi một ngày có thể đọc theo hai cách (03/04/2025), đừng đoán, giữ nguyên như cũ và liệt kê dưới mục AMBIGUOUS. Tên viết hoa chữ cái đầu mỗi từ, email viết thường, cắt khoảng trắng ở mọi nơi. Tách "Last, First" thành hai cột tên là Họ và Tên. Chuyển các số tiền như "$1,299.00" thành số thuần. Không bao giờ điền vào ô trống; để trống và liệt kê dưới mục BLANK. Nếu bạn bỏ bất kỳ dòng nào, hãy nói dòng nào và vì sao. Kết thúc bằng số dòng đầu vào và số dòng đầu ra.

```

Nhật ký thay đổi là toàn bộ ý nghĩa của prompt. Một bảng đã làm sạch đứng một mình trông như đã xong, và trông như đã xong chính là vấn đề: bạn không thể phân biệt ô được sửa với ô bị viết lại. Có nhật ký, việc kiểm tra chỉ là quét qua mười phút, và bất kỳ dòng nào ghi "dòng 31, Amount: đổi 1,299 thành 1.299" cho bạn biết mô hình đã đọc dấu phân cách hàng nghìn kiểu châu Âu thành dấu thập phân.

Sau đó chạy cùng prompt đó trong mô hình thứ hai và so sánh hai nhật ký. Dòng mà một mô hình viết còn mô hình kia không viết chính là ô cần mở trong tệp gốc. Chế độ so sánh của Whizi gửi một prompt đến hai mô hình trong hai cột; ở ứng dụng khác, hãy mở một cuộc chat mới để mô hình thứ hai làm từ CSV gốc chứ không từ phản hồi đầu. Với công thức, tra cứu và bảng tổng hợp sau khi làm sạch, hãy dùng bộ prompt cho bảng tính.

Làm sạch dữ liệu trong Excel bằng AI mà không cần dán từng dòng?

Với tệp Excel lớn, hãy dán dòng tiêu đề và khoảng 30 dòng mẫu rồi nhờ AI viết các bước Power Query, thứ Excel ghi lại và chạy lại trên bản xuất của tháng sau. Hãy đưa những dòng xấu vào mẫu, và nói tệp thật có bao nhiêu dòng:

Ví dụ prompt, tạm dịch:

```

Đây là dòng tiêu đề và 30 dòng mẫu từ một CSV khoảng 12,000 dòng. Đừng làm sạch phần mẫu. Hãy viết [các bước Power Query theo thứ tự tôi bấm / một script Python dùng pandas / một Google Apps Script] thực hiện những việc sau trên toàn bộ tệp.

Phân tích cột Date theo kiểu ngày đứng trước và ghi lại dưới dạng YYYY-MM-DD, và đánh dấu mọi giá trị không phân tích được thay vì bỏ dòng. Cắt khoảng trắng trong mọi cột văn bản. Viết thường cột Email. Viết hoa chữ cái đầu mỗi từ ở các cột Name. Tách "Last, First" thành Họ và Tên. Chuyển các giá trị Amount như "$1,299.00" thành số. Xóa các dòng trùng hoàn toàn với dòng trước đó. Để ô trống nguyên là ô trống.

Ghi mọi thay đổi vào một sheet hoặc tệp thứ hai tên changelog với bốn cột: số dòng, cột, giá trị cũ, giá trị mới. In số dòng trước và sau. Chú thích mỗi bước bằng một dòng để tôi đọc được mà không cần biết ngôn ngữ.

```

Hãy chọn đích theo nơi tệp nằm. Người dùng Excel được lợi nhiều nhất từ Power Query, vì mỗi bước đều hiện trong ngăn Applied Steps. Một cái bẫy: tài liệu Power Query của Microsoft (cập nhật tháng 4 năm 2026) nói nó đoán kiểu cột từ 200 dòng đầu, nên cột ngày sạch trong 200 dòng rồi lộn xộn sau đó trông ổn trong bản xem trước và hỏng về sau. Người dùng Google Sheets có Apps Script. Ai quen dùng terminal có Python với pandas, xử lý tệp 12,000 dòng và tệp 1,048,576 dòng (giới hạn cứng của sheet Excel) theo cùng một cách.

Trong một cuộc chat thông thường, mô hình viết script và bạn chạy nó. Phân tích dữ liệu của ChatGPT là ngoại lệ, vì nó tự chạy Python trên tệp đã tải lên, và trang trợ giúp của OpenAI vẫn bảo bạn xem lại mã, kết quả và giả định được tạo ra trước khi dựa vào kết quả. AI tốt nhất để phân tích dữ liệu so sánh các sandbox; thói quen đọc mã do AI viết trước khi chạy nằm trong AI cho lập trình. Khi tệp đã sạch, phân tích bảng tính bằng AI là quy trình tiếp theo.

AI làm sạch được bao nhiêu dòng cùng lúc?

Trong một cuộc chat ghi bảng trở lại, giới hạn phản hồi của ứng dụng là giới hạn thật. Whizi giới hạn một phản hồi ở 20,000 token, chứa khoảng 580 dòng mười cột, và còn khoảng một nửa khi nhật ký thay đổi dùng chung chỗ. Các con số dưới đây chỉ là ước chừng, vì bộ tách token không đếm theo ký tự. Quy tắc ngón tay cái của Anthropic là khoảng 3.5 ký tự tiếng Anh mỗi token, nên 20,000 token đầu ra là khoảng 70,000 ký tự.

Phía đầu vào thoáng hơn. Trong Whizi, một tin nhắn, kể cả văn bản trích từ tệp đính kèm, giới hạn ở 100,000 ký tự (khoảng 28,000 token), và mỗi lượt ở 40,000 token đầu vào và 20,000 token đầu ra trên mọi mô hình (các giới hạn, trích nguyên văn). Các ứng dụng chat khác tự đặt giới hạn phản hồi, và phần lớn không công bố, nhưng hình dạng vẫn vậy: số dòng đưa vào được nhiều hơn số dòng trả ra.

Giờ hãy chia đôi cột cuối, vì nhật ký thay đổi dùng chung phản hồi với bảng. Đó là nguồn gốc của "khoảng 500 dòng" trong danh sách kiểm tra cho một bảng hẹp trong Whizi, và với bảng rộng thì gần 150. Vượt qua các con số đó, mô hình vẫn trả lời, nhưng bảng nó trả về ngắn hơn bảng bạn gửi, và không phải lúc nào nó cũng nói ra. Cửa sổ ngữ cảnh một triệu token không thay đổi điều này, vì giới hạn phản hồi tách biệt với cửa sổ.

Ba lỗi cần kiểm tra trước khi tin một bảng tính do AI làm sạch

Hãy kiểm tra bảng tính do AI làm sạch về ba lỗi: dòng bị bỏ, giá trị bịa vào ô trống, và ngày bị đảo giữa kiểu ngày đứng trước và tháng đứng trước. Mỗi lỗi để lại một tệp trông sạch, nên không lỗi nào lộ ra khi liếc qua kết quả.

Dòng bị bỏ âm thầm. Bảng dài hơn giới hạn phản hồi sẽ trở về bị cắt ngắn (phép tính số dòng nằm ở phần trên), và một dòng không phân tích sạch, chẳng hạn ô gộp, ghi chú gõ vào cột số tiền hoặc dòng thừa một dấu phẩy, là loại dòng mà công cụ làm sạch có thể bỏ qua. Cả hai đều không lộ ra trong một bảng trông gọn gàng. Prompt ở trên yêu cầu số dòng vào và ra vì lý do này. Nếu chúng khác nhau mà nhật ký không nói vì sao, tệp chưa được làm sạch, nó chỉ ngắn đi.

Giá trị bịa trong ô trống. Một số công cụ cố ý điền ô trống: blog của chính Numerous liệt kê việc điền giá trị thiếu như điều một prompt làm được. Sau đó một ô được điền trông giống hệt giá trị thật, nên câu "Never fill a blank" trong prompt đặt ra quy tắc và danh sách BLANK cho thấy mô hình có giữ nó hay không. Ô trống nói rằng không ai biết; giá trị đoán nói rằng có người biết.

Đảo định dạng ngày theo vùng. 03/04/2025 là 4 tháng 3 ở London và 3 tháng 4 ở New York, và không có gì trong ô cho biết là cái nào. Tài liệu Power Query của Microsoft cho thấy một quy ước sai gây ra gì: ngày kiểu Anh, ngày đứng trước, nạp dưới ngôn ngữ Hoa Kỳ sẽ báo lỗi ở mọi ngày trên 12. Mô hình đọc cột cũng thiếu cùng thông tin đó, nên cách sửa ở cả hai hướng là nêu quy ước của tệp trong prompt và bắt mô hình đánh dấu các dòng mơ hồ thay vì tự giải quyết.

Một lỗi thứ tư nhỏ hơn: tiền tệ. "1.299,00" và "1,299.00" là cùng một số tiền ở hai quốc gia, và một mô hình bỏ sai dấu phân cách sẽ biến €1,299 thành €1.299. Nếu bảng có số tiền kiểu châu Âu, hãy nói rõ trong prompt.